La régulation des étapes clés de l’interaction avec la plante

A regressão pretende encontrar e perceber relações entre duas ou mais variáveis de uma determinada população, possibilitando o desenvolvimento de previsões relativas à variável

output para instâncias desconhecidas, com base nos inputs ou variáveis independentes. Para

fazê-lo, recorre-se a um espaço amostral do qual se pretende extrair tendências e padrões. Assim, para o desenvolvimento de modelos regressivos, foi necessário recorrer a uma amostra dos itens dos clientes da HUUB.

Antes de iniciar o processo de regressão, é necessário definir a amostra a utilizar para o desenvolvimento dos modelos. No momento de início do projeto não existia informação disponível que constituísse uma amostra para a variável dependente (volume das peças), sendo necessário proceder à sua recolha.

Foi pensada a hipótese de, através da informação dos itens e conjunto de unidades logísticas de encomendas passadas, tentar depreender o volume ao nível do item, de forma a obter uma amostra de forma simples e barata. No entanto, o diferencial de volume entre as unidades logísticas distintas é de uma grandeza consideravelmente superior ao volume das peças, que, mesmo assumindo que os packs foram otimizados, o que não é sempre o caso, existe a possibilidade de estes não estarem completamente ocupados, gerando assim um erro considerável neste modo de estimação. Como tal, foi necessário, numa primeira fase, a medição manual dos itens, o que é um processo moroso e que impacta negativamente as operações em armazém, representando um custo para o projeto. No final deste processo, 129 itens foram medidos em ambiente de simulação de embalamento, assegurando que existe pressão exercida entre as peças, assim como quando estas se encontram embaladas. Os itens foram selecionados de forma a garantir a medição de um espetro de marcas, tamanhos e subfamílias aceitável e bem distribuído. Reconhece-se, no entanto, que o número de observações não é o ideal, mas sim o melhor trade-off entre o custo que esta atividade representou para as operações e o benefício de informação gerada.

3.2.1 Varáveis independentes

No processo de seleção das variáveis independentes relacionadas com o volume, recorreu-se à base de dados, onde se procurou informação referente a cada produto, que possa influenciar as dimensões das peças. Juntamente com colaboradores pertencentes à equipa de Account

conclusão de que, da informação disponível, as características presentes na Tabela 1 seriam merecedoras de análise, no sentido de validar a sua influência na volumetria das peças.

Tabela 1 - Possíveis variáveis independentes e classificação segundo tipo de variável

Possível variável independente Tipo de variável

Tipo Categórica

Género Categórica

Tamanho Categórica

Faixa Etária Categórica

Material Categórica

Tipo de Tecido (método de confeção) Categórica

Marca Categórica

Fornecedor Categórica

Após esta análise, foi necessário verificar a qualidade da informação introduzida na base de dados, que devido à maturidade do sistema de informação pode, em alguns campos, estar comprometida. De facto, a informação relacionada com o Tipo de Tecido e Material não estava em conformidade, sendo que, apesar de se suspeitar que estas variáveis podem ter influência na previsão, de momento não existe possibilidade de as utilizar. Para tal, foi trabalhado um

standard de forma a garantir que no futuro esta informação seja corretamente inserida na base

de dados. As restantes variáveis serão alvo de análise no seguimento do projeto.

3.2.2 Tratamento das variáveis

A variável Tipo apenas continha informação de alto nível relativa aos itens. Vestuário, calçado, roupa de praia, ou roupa de casa, eram alguns dos atributos que constavam nesta variável, o que, devido ao espetro alargado de volumes dentro dessas dimensões, torna esta informação insuficiente. Para garantir que o sistema de informação acompanha as necessidades da empresa, quer nesta, que em outras tarefas, foram criados dois outros níveis de categorização denominados Família e Subfamília de produto. Estes níveis de categorização já se encontram na base de dados, aptos a receber informação na introdução de novos modelos. A árvore de categorização dos produtos, que pode ser consultada no Anexo D (Tabela 10), foi construída numa perspetiva mutuamente exclusiva e coletivamente exaustiva, pensando não apenas na necessidade deste projeto, mas também em necessidades futuras da empresa a que esta categorização possa vir a auxiliar. Esta categorização vem substituir aquela utilizada pela ferramenta inicial na estimação de volumes.

Acontece que, para os itens já introduzidos em sistema, esta categorização não existia e seria um trabalho bastante moroso categorizar os 19000 itens existentes. Para simplificar esta tarefa, foi desenvolvido uma query com expressões regulares (RegExs) de forma a categorizar automaticamente as peças de roupa em sistema. Esta query procura em 3 campos distintos da base de dados (referência, nome e descrição do produto) por palavras-chave que permitam compreender de que item se trata. Após a interpretação da informação, os produtos foram atualizados, ficando por categorizar menos de 20% dos itens registados.

A variável Tamanho também apresenta um entrave para análise. Diferentes itens encontram-se em escalas distintas, como idade, centímetros e escala S-M-L-XL, esta última para a roupa de adulto. Para além disso, dentro da mesma gama de tamanhos, existem pequenas variações que

dependem da definição de tamanhos própria das marcas, como por exemplo “1-3 anos” e “2 anos”. Para estes casos, de forma a não trabalhar com demasiados atributos de significado idêntico, agruparam-se os tamanhos em classes de idades. A maioria das peças apresentava o tamanho categorizado por idade, como tal, os restantes atributos foram convertidos para esta escala (anos). Para os tamanhos descritos em centímetros, já existem tabelas de conversão, havendo apenas problema para as peças de roupa de adulto. Nesta fase, como o objetivo é apenas a compressão das variáveis e a produção de uma análise gráfica, quer-se apenas garantir o respeito da sequenciação desta que é uma variável nominal ordinal. Assim, converteu-se o S, M, L e XL para 18, 20, 22 e 24, respetivamente.

3.2.3 Estatística descritiva da amostra

Com o objetivo de sumarizar a distribuição da variável volume e avaliar como esta se relaciona com as variáveis anteriormente selecionadas, foram desenvolvidas análises de estatística descritiva. Numa análise univariada foram calculados estimadores da medida central e dispersão, bem como desenvolvidas análises gráficas através de um histograma e uma função cumulativa da variável volume (Figuras 9). As medidas dos itens apresentam uma grande variabilidade, com uma média de 1410 cm3 e um desvio padrão de 1525 cm3. Recorrendo à análise gráfica, é possível verificar que, apesar de existirem alguns itens com volumetrias acima dos 3000 cm3, a sua frequência é relativamente baixa. A regra de Pareto não se verifica por pouco, pois 80% das peças medidas encontram-se em cerca de 30% do espetro de volumes.

Figura 9 - Histograma da variável volume e função cumulativa da variável volume

Foi realizado um teste de hipótese Anderson-Darling à normalidade de distribuição do volume (Anderson e Darling, 1952), no entanto, de forma a garantir a exaustividade de opções testadas, recorreu-se a outros testes (Ryan-Joiner e Kolmogorov-Smirnov). A hipótese nula foi rejeitada para todos os testes de hipótese, rejeitando-se que o volume dos itens siga uma distribuição normal, como já era evidenciado pelo histograma. A representação gráfica do teste (probabilty

plot) pode ser vista na Figura 18 do Anexo E.

Após a análise univariada da variável de previsão, é de interesse tentar compreender a relação entre as variáveis também de forma gráfica. Para isso, foi desenvolvida uma análise que relaciona o volume com uma das variáveis independentes. As conclusões a retirar dos gráficos criados corroboram com o já antecipado no capítulo 2, onde se classificou este problema como uma regressão multivariada. Pois, enquanto o tamanho da roupa de bebé se encontra muito concentrada numa baixa gama de volumetria (ver Figura 10), o mesmo já não se passa com peças de roupa de criança e adulto. Isto deve-se ao facto de o Tamanho, por si só, ser incapaz de explicar a variável de previsão. Note-se que, englobado no tamanho de 8 anos, por exemplo, tem-se peças de roupa que ascendem aos 7000 cm3, como uma saia, mas também itens com cerca de 250 cm3_{, como um gorro. A mesma conclusão é obtida ao analisar a Subfamília do}

produto, também apresentado na Figura 10, pois apesar de se conhecer esta variável, o volume sofre dependência de outras categorias do produto, como o Tamanho.

8000 7500 7000 6500 6000 5500 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 0 50 40 30 20 10 0 Volume F re q u ên ci a Histograma do volume 8000 7000 6000 5000 4000 3000 2000 1000 0 100 80 60 40 20 0 Volume P e rc e n ta n g e m

Figura 10 - Scatterplot do volume por tamanho e scatterplot do volume por subfamília